Avaliação Imobiliária: Método Comparativo de Dados Do Mercado - Tratamento Científico

Avaliao Imobiliria: mtodo comparativo de dados do mercado tratamento cientfico julho de 2013
ISSN 2179-5568 Revista Especialize On-line IPOG - Goinia - 5 Edio n 005 Vol.01/2013 julho/2013
Avaliao Imobiliria: mtodo comparativo de dados do mercado
tratamento cientfico.

Ademir Roque da Silva e S ademirsa@sea.sc.gov.br
Avaliaes e Percias da Engenharia
Instituto de Ps-Graduao - IPOG
Florianpolis 29/09/2012

Resumo
Toda avaliao imobiliria se baseia em quatro pilares fundamentais: o objetivo da avaliao, os
informes sobre o imvel avaliando, os informes do mercado e o tratamento cientfico aplicado a
esses informes. A metodologia escolhida deve ser compatvel com a natureza do bem avaliando, a
finalidade da avaliao e os dados de mercado disponveis. O objetivo deste artigo consiste em
abordar as metodologias avaliatrias, normalizadas, de bens imveis, caracterizar o mtodo
comparativo direto de dados de mercado, a partir do tratamento cientfico, que utiliza-se da
inferncia estatstica, para encontrar um modelo matemtico que explique o mercado imobilirio e
quais so as anlises para validar o modelo obtido. Optou-se pelo mtodo qualitativo de pesquisa,
ou seja, exploratria e interpretativa, atravs de uma extensa pesquisa bibliogrfica
contempornea sobre o assunto.Para validar o modelo, verifica-se se h outliers, pontos
influenciantes, qual o valor do coeficiente de correlao, do coeficiente de determinao
mltipla, do coeficiente de determinao ajustado, da significncia global do modelo, da
significncia individual de cada parmetro do modelo; se h coerncia dos sinais dos regressores
do modelo com o mercado imobilirio, se o modelo apresenta homocedasticidade,
multicolinearidade, micronumerosidade, linearidade e se linha obtida aderente ao modelo.
Palavras Chave: Avaliaes de imveis; Mtodo comparativo de dados do mercado; Tratamento
cientfico.
1. Introduo
Toda avaliao imobiliria se baseia em quatro pilares fundamentais: o objetivo da avaliao, os
informes sobre o imvel avaliando, os informes do mercado e o tratamento cientfico aplicado a
esses informes (GOMIDE, 2008).
A avaliao de imveis utilizada na grande maioria dos negcios, discusses e pendncias
interpessoais e sociais em nossas comunidades, tais como na compra ou na venda de casas,
lojas comerciais, instalaes industriais, aluguis, na reavaliao de ativos de empresas, em
atendimento legislao vigente, na partilha oriunda de heranas, meaes ou divrcios, no
lanamento de impostos, nas hipotecas imobilirias, nas divergncias que originam aes
demarcatrias, possessrias, nas indenizaes, nas desapropriaes e servides, enfim, em
um nmero expressivo de aes oriundas de problemas inerentes aos relacionamentos
humanos, onde o valor de um bem assume importncia fundamental (NADAL, JULIANO e
RATTON, 2003, p. 244) .
O objetivo principal da Engenharia de Avaliaes a determinao tcnica do valor de um bem,
dos seus custos, frutos ou direitos sobre ele (DANTAS, 2005).
Entre as muitas definies de valor, podemos destacar a de Alfred D. Bernard: valor a expresso
de uma necessidade, de um desejo ou de um capricho (CALDAS apud Berrini, 1946).


A palavra valor, quando aplicada propriedade, traz consigo um sentido de desejo de posse,
domnio ou troca de propriedade, medida em real ou em outra unidade monetria (MOREIRA,
2001).
O valor que se pretende determinar numa avaliao o Valor de Mercado, o qual definido pela
Norma Brasileira para Avaliao de Bens NBR 14653-1: Quantia mais provvel pela qual se
negociaria voluntariamente e conscientemente um bem, numa data de referncia, dentro das
condies do mercado vigente.
Valor de mercado o preo justo pago por um imvel por um comprador desejoso de comprar para
um vendedor desejoso de vender, ambos com pleno conhecimento do seu aproveitamento eficiente
(THOFEHRN apud TRIVELLONI E HOCHHEIM, 1998, 2010, p. 26).
Aproveitamento eficiente aquele recomendvel e tecnicamente possvel para o local, numa data de
referncia, observada a atual e efetiva tendncia mercadolgica nas circunvizinhanas, entre os
diversos usos permitidos pela legislao pertinente (NBR 14653-2, 2011, item 3.1)

O mercado formado por trs componentes: os bens levados a mercado, as partes desejosas em
vend-los e as partes interessadas em adquiri-los. Quando se tratam de bens imveis, esses trs
componentes formam o mercado imobilirio (DANTAS, 2005).
O segundo pilar, os informes sobre o imvel, a inspeo imobiliria visando determinar as
particularidades e condies fsicas do bem avaliando verificando os aspectos de desempenho, vida
til, segurana, estado de conservao, manuteno, utilizao e, tambm, seus arredores, ou seja, a
regio onde o avaliando encontra-se inserido, pois necessrio o conhecimento de tudo aquilo que
possa interferir no valor do imvel, tanto interna como externamente.
Os informes do mercado, terceiro pilar, conforme Dantas (2005) a fase em que se investiga o
mercado imobilirio, obtendo-se dados e informaes que serviro de base para o tratamento
estatstico a ser utilizado. Constitui-se na parte mais importante do processo avaliatrio.
O tratamento cientfico aplicado aos informes, enquanto quarto pilar da avaliao imobiliria, se
traduz pela escolha da metodologia avaliatria normalizada, adequada ao objetivo pretendido.
Avaliao uma aferio de um ou mais fatores econmicos especificamente definidos em relao
a propriedades descritas com data determinada, tendo como suporte a anlise de dados relevantes
(ABUNAHMAN, 2000).
Esta pesquisa bibliogrfica consiste em abordar as metodologias avaliatrias, normalizadas, de bens
imveis, caracterizar o mtodo comparativo direto de dados de mercado, sucintamente. Dentre as
etapas do mtodo, focar o tratamento de dados e, mais precisamente, o tratamento cientfico, no
qual devem ser utilizadas ferramentas da inferncia estatstica, para encontrar um modelo
matemtico que explique o mercado imobilirio. A partir do modelo matemtico, elaborar as
devidas anlises para compreender os resultados obtidos e validar o modelo.
2. Metodologias avaliatrias
As metodologias normalizadas, em geral, atendem s necessidades do mercado imobilirio
tradicional, priorizando os imveis de utilidade particular, desejabilidade econmica do lucro e
temporaneidade conhecida (GOMIDE, 2008).


A Associao Brasileira de Normas Tcnicas (ABNT), atravs da NBR 14653-1, no item 8.2
relaciona e define os mtodos para identificar o valor de um bem, de seus frutos e direitos:
Mtodo comparativo direto de dados de mercado: Identifica o valor de mercado do bem
por meio de tratamento tcnico dos atributos dos elementos comparveis, constituintes da
amostra. Mtodo involutivo: Identifica o valor de mercado do bem, alicerado no seu
aproveitamento eficiente, baseado em modelo de estudo de viabilidade tcnico-econmica,
mediante hipottico empreendimento compatvel com as caractersticas do bem e com as
condies do mercado no qual est inserido, considerando-se cenrios viveis para
execuo e comercializao do produto. Mtodo evolutivo: Identifica o valor do bem pelo
somatrio dos valores de seus componentes. Caso a finalidade seja a identificao do valor
de mercado, deve ser considerado o fator de comercializao.Mtodo da capitalizao da
renda: Identifica o valor do bem, com base na capitalizao presente da sua renda lquida
prevista, considerando-se cenrios viveis (grifo do autor).
relaciona e define os mtodos para identificar o custo de um bem:
Mtodo comparativo direto de custo: Identifica o custo do bem por meio de tratamento
tcnico dos atributos dos elementos comparveis, constituintes da amostra. Mtodo da
quantificao de custo: Identifica o custo do bem ou de suas partes por meio de
oramentos sintticos ou analticos a partir das quantidades de servios e respectivos
custos diretos e indiretos (grifo do autor).
relaciona e define os mtodos para identificar indicadores de viabilidade da utilizao econmica de
um empreendimento:
Mtodos para identificar indicadores de viabilidade da utilizao econmica de um
empreendimento: Os procedimentos avaliatrios usuais com a finalidade de determinar
indicadores de viabilidade da utilizao econmica de um empreendimento so baseados
no seu fluxo de caixa projetado, a partir do qual so determinados indicadores de deciso
baseados no valor presente lquido, taxas internas de retorno, tempos de retorno, dentre
outros (grifo do autor).
Conforme a Associao Brasileira de Normas Tcnicas (ABNT), atravs da NBR 14653-1, no item
7.5 define a escolha da metodologia:
A metodologia escolhida deve ser compatvel com a natureza do bem avaliando, a
finalidade da avaliao e os dados de mercado disponveis. Para a identificao do valor
de mercado, sempre que possvel preferir o mtodo comparativo direto de dados de
mercado.
3. Mtodo comparativo direto de dados de mercado
o mtodo mais utilizado na avaliao de imveis urbanos (THOFEHRN, 2010).
aquele em que o valor do bem estimado atravs da comparao com dados de mercado
assemelhados quanto s caractersticas intrnsecas e extrnsecas (DANTAS, 2005), ou seja, imveis
similares que foram comercializados ou encontram-se em oferta.
Segundo o mesmo autor, condio fundamental para aplicao deste mtodo a existncia de um
conjunto de dados que possa ser tomado estatisticamente como amostra do mercado.
O valor do imvel obtido pela comparao com um conjunto de dados de mercado (amostra) que
possuem atributos mais semelhantes possveis aos do imvel avaliando (THOFEHRN, 2010).


Em outras palavras, a amostra deve ser representativa, ou seja, ter dados atuais, perfeitamente
identificados, aleatrios, de fontes diversas, e possuir as caractersticas que exeram influncia na
formao dos preos dos imveis. Portanto, possuir a mesma estrutura ou composio da
populao.
3.1. Vistoria do bem avaliando
O avaliador dever examinar o imvel sob dois aspectos: o seu terreno e suas benfeitorias
(MOREIRA, 2001).
Para se avaliar preciso conhecer. Para conhecer necessrio vistoriar. A vistoria , portanto, um
exame cuidadoso de tudo aquilo que possa interferir no valor de um bem, tanto interna como
externamente (DANTAS, 2005).
Segundo o mesmo autor, nesta etapa deve-se vistoriar no apenas o bem avaliado, mas
tambm a regio envolvente, com o objetivo de conhecer detalhadamente as suas
caractersticas fsicas, locacionais, tendncias mercadolgicas, vocao etc., quando se
formam as primeiras concepes acerca das possveis variveis influenciantes na formao
dos preos (DANTAS, 2005, p.16).
3.2. Identificao das variveis influenciantes
De acordo com Dantas (2005), as possveis variveis influenciantes so estabelecidas a priori, com
base em teorias existentes, conhecimentos adquiridos em trabalhos anteriores etc. Contudo, no
decorrer dos trabalhos, outras variveis podem se revelar como importantes.
Os imveis possuem um comportamento diferenciado economicamente de outros bens, por
causa dos efeitos de seus atributos especiais, especialmente o custo elevado, a
heterogeneidade, a imobilidade e a durabilidade. Por outro lado, o mercado atomizado,
contando com a participao simultnea de muitos agentes, no coordenados. A
combinao destes elementos permite explicar grande parcela das variaes de preos. So
bens heterogneos por natureza, pois cada imvel possui quantidades diferentes de cada um
dos atributos valorizados pelo mercado. Por isso, so chamados de bens compostos, e a
comparao entre eles exige a ponderao dos vrios atributos de interesse (GONZLES
apud Balchin e Kieve, 1986; Robinson, 1979, 2000, p. 65).
3.3. Pesquisa de dados de mercado
Conforme Moreira (2001) nesse momento o avaliador dever se tornar num verdadeiro detetive que
ter de satisfazer o mximo de informaes analgicas para sustentao da sua avaliao.
O avaliador deve perceber que o assunto pesquisa encontra-se intimamente ligado
realidade do mercado imobilirio local. Para tanto, deve percorrer a regio geoeconmica
na qual est inserido o imvel avaliando no intuito de pesquisar e coletar os necessrios
elementos comparativos.[...] Premissas bsicas: a pesquisa dever ser contempornea data
da avaliao e contemplar imveis semelhantes (DAmato, 2009, p. 78).
Os dados e informaes que interessam, basicamente, ao avaliador: a respeito de preos de
imveis em oferta poca da pesquisa ou negociaes efetivamente realizadas, com suas
principais caractersticas fsicas, locacionais e econmicas, bem como a perfeita
identificao das fontes consultadas. [...] As fontes utilizadas so principalmente: Cartrios
de Notas e de Registro Geral de Imveis; empresas imobilirias; corretores especializados;
anncios de jornais; banco de dados existentes; visita ao campo;


construtores/incorporadores; compradores/vendedores; investidores; bancos oficiais;
bancos de crdito imobilirios, prefeituras, companhias de habitao, rgos de
planejamento urbano, etc (DANTAS, 2005, p.59).
O mercado imobilirio pode ser dividido em segmentos, como o mercado de apartamentos, casas,
lojas, escritrios, andar corrido, terrenos e glebas (urbanas ou rurais), armazns, vagas de garagem,
etc. Outra diviso a do mercado para compra e venda ou para locao (Gonzalez, 2003).
3.4. Tratamento dos dados
Neste momento, o avaliador, conforme definio do prprio mtodo, deve tratar tecnicamente os
atributos dos elementos comparveis, constituintes da amostra.
Aps a coleta dos elementos que serviro de base para a avaliao, o avaliador geralmente
est diante de uma amostra formada por imveis com caractersticas heterogneas entre si
e em ralao ao bem avaliando, tornando-se imprescindvel o tratamento dos dados
coletados, quando podem ser utilizados, alternativamente e em funo da qualidade e da
quantidade de dados e informaes disponveis: tratamento cientfico ou tratamento por
fatores (DANTAS, 2005, p.17).
No tratamento por fatores, as discrepncias existentes entre os dados de mercado e o imvel
avaliando so homogeneizadas por fatores devidamente fundamentados e, a seguir, feita a anlise
estatstica dos resultados homogeneizados (THOFEHRN, 2010).
O tratamento por fatores utilizado em situaes em que a quantidade de dados da amostra
(pequena amostra) no permite a utilizao de tratamentos dos dados por inferncia estatstica.
No tratamento cientfico devem ser utilizadas ferramentas da inferncia estatstica, na busca de
modelos explicativos de mercado imobilirio (DANTAS, 2005).
O tratamento cientfico serve para estimar o valor de mercado do imvel, e fundamenta-se na
metodologia inferencial, que consiste na deduo de expresso algbrica que confirme a formao
de valor de mercado para o imvel avaliando (ABUNAHMAN, 2008).
4. Inferncia Estatstica
O seu objetivo estimar as caractersticas da populao (parmetros) a partir do conhecimento das
caractersticas de uma amostra dela extrada (estatsticas) (DANTAS, 2005).
Envolve a formulao de certos julgamentos (ou concluses) sobre um todo, aps examinar apenas
uma parte ou amostra dele. Para que a inferncia estatstica seja vlida, a amostra deve ser
representativa da populao, e a probabilidade do erro, ser especificada (RADEGAZ, 2011).
Inferir significa concluir. Assim, inferir estatisticamente significa tirar concluses com
base em medidas estatsticas. Em Engenharia de Avaliaes o que se pretende explicar o
comportamento do mercado que se analisa, com base em alguns dados levantados no
mesmo. Neste caso a inferncia estatstica fundamental para solucionar a questo, pois
conhecendo-se apenas uma parte do mercado pode-se concluir sobre o seu comportamento,
com determinado grau de confiana (DANTAS, 2005, p.69).

O objetivo da inferncia por meio da anlise de regresso encontrar uma funo linear que permita
compreender a relao entre os elementos, alm de estimar uma varivel em funo de uma ou mais
variveis (RADEGAZ, 2011).


A regresso um processo desenvolvido na anlise estatstica para se conhecer o valor de
uma varivel desconhecida a partir dos valores conhecidos de outras variveis; quando o
valor da varivel desconhecida obtido a partir do valor de somente uma varivel
conhecida e entre elas h uma relao linear, chama-se regresso linear simples; quando
essa relao no linear, chama-se regresso no -linear (parablica, hiperblica etc.);
quando o valor da varivel desconhecida dependente dos valores de mais de uma
varivel conhecida, chama-se de regresso mltipla (MOREIRA, 2001, p. 175).
Os coeficientes da equao de regresso geralmente so estimados atravs do Mtodo dos Mnimos
Quadrados, que minimiza a soma dos quadrados dos resduos (GONZLES, 2000).

A inferncia estatstica exige muita experincia em avaliao de imveis porque a ausncia de
variveis importantes ou a incluso de variveis inadequadas pode conduzir a erros gravssimos
(THOFEHRN apud FIKER, 2005, 2010, p. 79).
5. Modelagem
Modelo uma estruturao simplificada da realidade que supostamente apresenta, de forma
generalizada, caractersticas ou relaes importantes (HAGGETT e CHORLEY, 1975).
Segundo Stockburger (2004), um modelo uma representao da estrutura essencial de algum
objeto, fenmeno ou evento, no mundo real (MINSK apud PEREIRA 2006).
Os modelos de avaliao de imveis tm dificuldades na determinao das variveis que
influenciam no seu valor, sendo que para obter preciso na avaliao muitos fatores devem
ser considerados, mas nem sempre possvel chegar a um modelo nico que represente a
realidade do mercado. As variveis que influenciam o valor de uma amostra podem no
ser as mesmas que para outra, inclusive localizada na mesma regio. Em muitos casos
necessrio excluir elementos da amostra, por serem muito diferente dos demais e por
influenciarem fortemente nos valores gerais da equao de regresso (ROCHA apud
TRIVELLONI e HOCHHEIM (1998), 2005, p.11).
Na prtica trabalha-se com modelos lineares ou linearizveis, por facilidades no clculo
das estimativas das mdias e facilidades de interpretao. Os modelos linearizveis so
aqueles que podem ser transformados em lineares pela simples transformao nas escalas
das variveis envolvidas (DANTAS, 2005:67).
Na maioria das situaes, o Engenheiro de Avaliaes vai observar que so diversas as
variveis que influenciam na formao do valor de mercado de um imvel. Assim, o
profissional deve procurar identificar estas variveis e encontrar o modelo explicativo do
valor atravs das regresses mltiplas (MENDONA et al., 1998, p.56).
O modelo de regresso linear mltipla deve ser adotado quando mais de uma varivel independente
necessria para explicar a variabilidade dos preos praticados no mercado (DANTAS, 2005).
Uma linha de regresso, tambm chamada de linha de melhor ajuste, conforme mostra a Figura 1,
a linha para qual a soma dos quadrados dos resduos um mnimo e sua equao pode ser usada
para prever os valores de y para um dado valor de x (LARSON, 2010).



Figura 1 Modelo Reta de Regresso linear simples: varivel dependente y e independente x
Conforme Larson (2009) uma equao de regresso mltipla tem a forma:
= b
o
+ b
1
x
1
+ b
2
x
2
+ b
3
x
3
+ + b
k
x
k

x
1
, x
2
, x
3
,, x
k
so variveis independentes.
b
1,
b
2,
b
3,,
b
k
determinam a contribuio da varivel independente x
i
.
b
o
a interseo y.
a varivel dependente.
Na modelagem, devem ser expostas as hipteses relativas aos comportamentos das variveis
dependentes e independentes, com base no conhecimento que o engenheiro de avaliaes tem a
respeito do mercado, quando sero formuladas as hipteses nulas e alternativas para cada
parmetro.(NBR 14653-2:2004, Anexo A)
O analista deve estipular modelos com as hipteses de relacionamento entre as variveis,
que devem ser testadas pelos critrios estatsticos, verificando-se a validade destas
hipteses, ou seja, se os modelos so capazes de representar o segmento de mercado em
questo. Para tanto, devem ser coletados dados de transaes (evidncias do mercado),
analisando-se o ajuste dos modelos considerados a estes dados, dentro de um determinado
grau de preciso. Os testes estatsticos permitem avaliar o prprio modelo e a importncia
individual das variveis includas, indicando a qualidade geral do modelo formulado
(GONZLES, 2000, p.68).
Aps a sumarizao dos dados, parte o avaliador em busca de modelos explicativos do
mercado, utilizando tcnicas da inferncia estatstica. Na realidade, estes modelos so uma
representao simplificada do mercado, uma vez que no levam em conta todas as suas
informaes (populao), mas construdo considerando-se apenas uma parte do mesmo
(amostra) por isso precisa de cuidados cientficos na sua elaborao, para fornecer
respostas confiveis (DANTAS, 2005:64).
A transformao logartmica a preferida quando se procura ajustar modelos a dados de
valores imobilirios. bastante coerente a sua utilizao uma vez que as variveis
explicadas possuindo valores no campo dos reais positivos garante que o campo de
variao dos valores ajustados correspondentes tambm sero reais positivos. Outro
aspecto importante que a transformao logartmica na varivel explicada torna o modelo
multiplicativo, caracterstica esta sugerida pelas prprias normas brasileiras que versam
sobre avaliaes, bem como pode estabilizar a varincia do modelo (DANTAS, 2005:143).
Conforme o mesmo autor, durante a modelagem muitas etapas de anlise so necessrias, tais como
a verificao de: dados atpicos, variveis pouco significativas, tendncias, pressupostos sobre os
erros aleatrios etc.
O processo de anlise de regresso exige o respeito aos chamados pressupostos bsicos, e
ainda a outras condies relacionadas, que precisam ser atendidos para que a anlise seja


vlida, e possam ser realizadas inferncias (previses) com a equao determinada
(Gonzlez, 1997; Maddala, 1988, Ramanathan, 1998). Para que os modelos sejam
considerados aptos, deve-se garantir que:1) H homocedasticidade dos resduos (a varincia
constante); 2) Existe independncia serial dos resduos (no h autocorrelao); 3) Os
resduos seguem a distribuio Normal; 4) A relao entre as variveis independentes e a
varivel dependente linear; 5) No h colinearidade perfeita entre quaisquer variveis
independentes; Alm destes, o modelo deve ainda atender a outros requisitos, em parte
decorrentes dos prprios pressupostos bsicos: 6) As variveis importantes foram includas
(o modelo especificado similar ao real); 7) No existem observaes esprias (elementos
claramente no adaptados ao modelo, chamados de outliers); 8) As variveis independentes
no so aleatrias (somente a varivel dependente pode ser estocstica); 9) Os resduos tm
mdia nula; 10) O nmero de observaes (tamanho da amostra) maior que o de
coeficientes a ser estimado (GONZLEZ e FORMOSO, 2000, p. 68 e 69).

De acordo com Dantas (2005), escolhido o modelo, parte o avaliador para a interpretao dos
parmetros quantos aos aspectos de sensibilidade e elasticidade, bem como do comportamento do
mercado em relao a cada varivel, qualitativa e quantitativamente.
Segundo o mesmo autor, a interpretao do modelo deve ocorrer quando a varivel resposta
encontra-se devidamente explicada na escala original.

Como roteiro bsico de anlise de regresso, teramos: anlise do coeficiente de
determinao; anlise da significncia dos regressores; anlise dos valores do t de
student; anlise da coerncia da equao; anlise dos resduos e grficos; anlise da
autocorrelao (srie temporal) Durbins-Watson; anlise (verificao) da
homocedasticidade; anlise (verificao) da multicolinearidade; anlise (verificao) da
normalidade dos resduos; anlise do intervalo de confiana (RADEGAZ, 2011, p.44).
6. Anlise da regresso
Aps a obteno da equao de regresso necessrio verificar se o modelo mostra-se adequado
segundo s exigncias normativas atravs de conjunto de testes e ensaios que sero abordados.
6.1. Outlier
Entende-se por outlier um dado que contm grande resduo em relao aos demais que compem a
amostra, podem ser detectados atravs da anlise grfica dos resduos padronizados (e
i
) versus os
valores ajustados correspondentes (), conforme Figura 2 (DANTAS, 2005).

Figura 2 Pontos destacados: podem ser caracterizados como outliers (DANTAS, 2005)



6.2. Pontos influenciantes

Entende-se por pontos influenciantes aqueles com pequenos resduos, em algumas vezes at nulos,
mas que se distanciam da massa de dados, podendo alterar completamente as tendncias naturais
indicadas pelo mercado (DANTAS, 2005).
Conforme o mesmo autor h vrios critrios estatsticos para deteco destes pontos, mas numa
simples anlise do comportamento grfico da varivel dependente ou dos resduos, em relao a
cada varivel independente, pode-se verificar o problema.

Figura 3 (DANTAS, 2005) Figura 4 (DANTAS, 2005)

Na Figura 3, por exemplo, um ponto com as caractersticas do demarcado indica a
presena de um ponto influenciante. Neste caso o ponto tem resduo zero, como pode-se
observar na Figura 4 e parecer o mais em ajustado, contudo degenera completamente o
modelo. Enquanto que a tendncia do mercado a indicada pela reta 1 da Figura 3, o
ponto influenciante desloca a tendncia para a situao da reta 2 da mesma figura
(DANTAS, 2005, p.114).
6.3. Coeficiente de correlao

Segundo Radegaz (2011), mostra a fora das relaes entre as variveis independentes e a varivel
dependente, representado pela letra r.
De acordo com Dantas (2005), varia de -1 a +1. Quanto mais prximo de um, em mdulo, maior
ser a dependncia linear entre as variveis e quanto mais prximo de zero, menor ser esta
dependncia.
A anlise das correlaes entre cada uma das variveis independentes e a varivel dependente
permite verificar, pelo seu sinal, se ela aumenta ou diminui o valor do imvel; e, pela magnitude do
coeficiente, o quanto ela contribui no valor do imvel (THOFEHRN, 2010).
um parmetro que nos permite concluir que o ajuste de um modelo melhor que o outro, mas no
determinante do estudo, pois no permite concluses definitivas sobre o modelo utilizado
(MENDONA et al., 1998).

6.4. Coeficiente de determinao mltipla



O coeficiente de determinao traduz numericamente o percentual do valor de avaliao que est
explicado pela equao ajustada de regresso (MENDONA et al., 1998).
Segundo o mesmo autor, o coeficiente varivel de 0 a 1 e a sua notao a letra r elevada ao
quadrado, r
2
, logo, 0 r
2
1.
Conforme Larson (2010), o coeficiente de determinao r
2
a relao da variao explicada com a
variao total.
A desvantagem deste coeficiente que para uma mesma amostra, ele cresce na medida em que
aumenta o nmero de variveis independentes includas no modelo, no levando em conta o nmero
de graus de liberdade perdidos pelos novos parmetros estimados (DANTAS, 2005).

6.5. Coeficiente de determinao ajustado

O coeficiente de determinao ajustado depende do nmero de pontos dos dados da amostra e do
nmero de variveis independentes (LARSON, 2010).
Radegaz (2011) afirma que este coeficiente til na escolha de equaes de regresses mltiplas,
tenta compensar o aumento de explicao provocado pelo aumento do nmero de variveis
independentes.
O coeficiente de determinao ajustado, que para um modelo com k variveis
independentes, ajustado a uma amostra de n elementos, calculado atravs da seguinte
expresso:
= 1- (1 R).
Assim, o coeficiente de determinao ajustado somente aumentar com a incluso de uma
varivel independente no modelo, se a contribuio desta varivel for superior perda de
um grau de liberdade, em decorrncia da estimao do parmetro a ela correspondente.
Este um critrio que pode ser utilizado para escolha de variveis independentes.
(DANTAS, 2005, p. 140).

6.6. Significncia global do modelo

Conforme Dantas (2005) a distribuio de Snedecor muito usada em Engenharia de Avaliaes,
principalmente para testar a significncia global de modelos de regresso, utilizando um teste
tambm conhecido como de anlise de varincia.
Para se testar a significncia global de todos os parmetros que participam de um modelo
de regresso de n preos observados sobre k variveis independentes, utiliza-se o teste
F, que tem distribuio F de Snedecor, que leva em conta a razo entre a varincia
explicada pela varincia no explicada do modelo [...]. Para se fazer um teste de
significncia do modelo a um nvel , basta comparar Fc com , que se
encontra tabelado para vrios nveis de . Se Fc> , rejeita-se a hiptese de
ao nvel de e pelo menos um dos parmetros pode ser considerado significantemente
diferente de zero. O teste unilateral e pode ser visualizado atravs do grfico
correspondente Figura 5 (DANTAS, 2005, p. 134 e 135).



Figura 5 (DANTAS, 2005)
9.2.1 define o grau de fundamentao, no caso de utilizao de modelos de regresso linear, em
relao a este teste, so exigidos os seguintes nveis de significncia mximos: 1% para Grau III;
2% para Grau II e 5% para o Grau I.
6.7. Significncia individual de um parmetro
O objetivo desse teste individual de um parmetro qualquer b
j
verificar se a varivel
correspondente x
j
ou no importante na composio do modelo (THOFEHRN, 2010).
Para Dantas (2005), a significncia individual de um parmetro j medida atravs do teste t
isolado que tem distribuio t de Student.
Segundo o mesmo autor, a distribuio t de Student utilizada na engenharia de avaliaes uma vez
que em geral o desvio-padro da populao estimado atravs dos dados amostrais.
A importncia individual de uma varivel Xj que participa de um modelo de regresso
com k variveis independentes medida testando-se a hiptese nula de que seu respectivo
parmetro j no significante, contra a hiptese alternativa de que o mesmo
significante, a um determinado nvel considerado.
= onde o estimador do parmetro e s( o desvio-padro estimado,
correspondente ao .
Para se fazer o teste bilateral a um nvel de significncia , compara-se com
que se encontra tabelado. Se for superior a , rejeita-se e
em caso contrrio no pode ser rejeitada e o parmetro pode no ser importante na
composio do modelo. O teste bicaudal pode ser visualizado atravs da Figura 6
(DANTAS, 2005, p. 138 e 139).

Figura 6 (DANTAS, 2005)


9.2.1 define o grau de fundamentao, no caso de utilizao de modelos de regresso linear, em
relao a este teste, so exigidos os seguintes nveis de significncia mximos: 10% para Grau III;
20% para Grau II e 30% para o Grau I.
6.8. Coerncia dos sinais dos regressores
A coerncia da equao verificada por meio dos sinais esperados dos coeficientes
(regressores). Aumenta a rea, diminui o valor unitrio, etc.Todos o pressupostos devem
ser atendidos. Entretatno, os testes estatsticos geralmente no indcam respostas do tipo
sim/no (determinstico), mas do tipo melhor/pior (probabilstico), e anlise da
gravidade da situao cabe ao avaliador. O importante avaliar-lhe a extenso. Se alguma
varivel X
i
(independente) mantm relacionamento no linear com Y (independente),
deve-se linearizar a relao, usando-se transformaes nas variveis, tais como logaritmos,
inversas ou potncias, com objetivo de melhorar as previses de valor (RADEGAZ, 2011,
p.41 e 42).
Atravs dos sinais dos regressores verifica-se se as relaes entre as variveis independentes com a
varivel dependente esto compatveis com a pesquisa do mercado, ou seja, se eles aumentam ou
diminuem o valor do imvel.
Conforme Dantas (2005), o importante que o modelo resultante possa expressar com fidelidade o
fenmeno que se deseja explicar. Se ele est coerente com as crenas a priori que o avaliador detm
sobre o mercado.

6.9. Normalidade dos resduos
Em primeira anlise, pode-se fazer a verificao desta hiptese observando-se o intervalo
abrangido pelos resduos padronizados (e
i
*), encontrados dividindo-se cada resduo (e
i
)
pelo desvio-padro do modelo(s), uma vez que, em uma distribuio normal, 68% destes
resduos esto no intervalo [-1;+1], 90% entre [-1,64;+1,64] e 95% entre [-1,96;+1,96].
Um histograma dos resduos apresentando simetria e formato parecido com o da curva
normal, um indicador a favor da hiptese de normalidade do erro. Contudo, o grfico
normal dos resduos o que fornece melhores informaes neste sentido (DANTAS, 2005,
p. 110).
A teorizao estatstica exige que os resduos padronizados dos elementos (diferena entre valor
estimado pela equao de regresso e o valor observado no campo, dividida pelo desvio padro total
da amostra) sigam a distribuio normal (de Gauss) (ABUNAHMAN, 2000).

Figura 7 Verificao de normalidade
(ABUNAHMAN, 2000).
Figura 8 Grfico de Kolmogorov-Smirnov (ABUNAHMAN,
2000)


Os grficos acima, Figura 7 e 8, dispem os resduos padronizados em ordem crescente no eixo das
abscissas, e os valores caractersticos da curva normal (seja o valor esperado ou distribuio
acumulada) no eixo das ordenadas (ABUNAHMAN, 2000).
Conforme o mesmo autor deve o avaliador observar graficamente se a disposio dos pontos tem
conformao assemelhada da reta ou curva tima.
6.10. Homocedasticidade (varincia constante)
Um grfico dos resduos (e
i
) versus os valores ajustados pelo modelo de regresso (),
apresentando pontos distribudos aleatoriamente em torno de uma reta horizontal que passa
pela origem, sem nenhum padro definido, com o formato da figura 9, um indicador
favorvel aceitao da hiptese de varincia constante para o erro; e, caso contrrio, se
os pontos apresentarem alguma tendncia, como na figura 10, pode-se concluir que a
varincia do erro no constante. No primeiro caso o modelo homocedstico e no
segundo heterocedstico (DANTAS, 2005, p. 109).

Figura 9 Modelo homocedstico
(DANTAS, 2005)
Figura 10 Modelo heterocedstico
(DANTAS, 2005)
6.11. Aderncia do modelo
A aderncia pode ser vista por meio do grfico com os valores estimados pelo modelo em
funo dos valores da varivel dependente de cada amostragem. Quanto mais os pontos se
aproximam da reta de referncia (bissetriz), conforme Figura 11, melhor foi o ajuste do
modelo (equao da regresso escolhida pelo usurio, que d a varivel dependente em
funo das independentes) aos dados (RADEGAZ, 2011, p. 38).



Figura 11- Valor observado x Valor estimado (HOCHHEIM, 2010)
6.12. Multicolinearidade

Para verificao desta hiptese deve-se, em primeira mo, analisar a matriz das correlaes, que
espelha as dependncias lineares de primeira ordem entre as variveis explicativas consideradas no
modelo (DANTAS, 2005).
Segundo o mesmo autor, na anlise da matriz de correlaes com resultados superiores a 0,50
merecem ateno do analista.
Na prtica, a colineratidade pode ser examinada, de maneira simplificada e superficial:
1) comparando os grficos dos resduos de cada uma das variveis explicativas e
verificando se eles se colocam de forma ordenada, sugerindo certa relao; ou
2) pela observao do coeficiente de correlao simples entre as variveis independentes
tomadas duas a duas.
Se esse coeficiente for forte (alto), verificar se a relao no meramente casual, isto , se
no existe relao de causa e efeito entre as mesmas (caso em que as variveis colineares
podem ser aceitas rea x n de quartos, rea x frente) (RADEGAZ, 2011, p. 40).
Conforme Mendona, et al. (1998), a anlise grfica outra forma de verificar as correlaes
atravs do comportamento dos resduos do modelo versus a varivel em questo, conforme Figura
12 e 13.

Figura 12 Tendncia no comportamento dos
resduos Multicolinearidade
(MENDONA, et al., 1998)
Figura 13 Aleatoriedade no comportamento dos
resduos Inexistncia de
Multicolinearidade (MENDONA, et


al., 1998)
necessria a independncia de cada varivel no modelo de regresso. Desta forma, seus resduos
padronizados para cada elemento no podero ser assemelhados. Nas Figuras 14, 15 e 16, as nuvens
destes pontos devero ser, portanto, diferentes (ABUNAHMAN, 2000).

Figura 14 Verificao de Multicolinearidade
(ABUNAHMAN, 2000)
Figura 15 Verificao de Multicolinearidade
(ABUNAHMAN, 2000)

Figura 16 Verificao de Multicolinearidade (ABUNAHMAN, 2000)
6.13. Autocorrelao

A autocorrelao decorre da influncia sobre os resduos (e
i
) de variveis formadoras de valor
importantes, no consideradas na equao. Um modelo sem perturbaes deve apresentar resduos
independentes, distribudos de forma aproximada distribuio normal, conforme mostra a figura
17 (MENDONA, et al., 1998).



Figura 17 Histograma dos resduos versus curva normal Elaborado pelo autor

O conceito de independncia dos resduos est ligado independncia dos dados do mercado. A
situao ideal aquela onde cada transao se realiza independentemente da outra. Isto , o
conhecimento do preo e condies de uma no interfira na outra (DANTAS, 2005).
Para verificao da existncia de autocorrelao, o teste no grfico mais conhecido e
empregado o de Durbin-Watson que simplesmente a razo entre a soma das
diferenas ao quadrado dos sucessivos resduos e a soma do quadrado dos resduos.

Utilizamos este teste quando estamos trabalhando com srie temporal elementos
coletados ao longo de um determinado tempo, meses, anos, etc. Lembramos que os dados
tm que estar ordenados de forma crescente ou decrescente. Se os dados estiverem
aleatoriamente dispostos, o resultado (positivo ou negativo) no poder ser considerado
(RADEGAZ, 2011, p. 40 e 41).
A estatstica d foi tabelada por Durbin-Watson para nveis de significncia de 5%, 2,5% e
1%, considerando ajustamentos de modelos com 15 a 100 observaes, com at seis
variveis independentes, estabelecendo limites crticos d
L
e d
u
. Para se testar a hiptese
nula de que os resduos so correlacionados (H
o
) contra a hiptese de que os resduos no
so correlacionados(H
1
), calcula-se d e depois compara-se com os pontos crticos d
L
e d
u

da seguinte forma:
Se d
u
< d < 4-d
u
rejeita H
o
ou seja, rejeita-se a hiptese de resduos so
correlacionados em favor da hiptese de no-autocorrelao ao nvel de
significncia estabelecido;
Se d < d
L
aceitase a hiptese de autocorrelao positiva;
Se d > 4 d
L
aceita-se a hiptese de autocorrelao negativa;
Nos demais casos o teste inconclusivo.

A representao grfica do teste pode ser visualizada na figura abaixo:



Figura 18 Teste de Durbin-Watson (DANTAS, 2005)
6.14. Micronumerosidade
A Associao Brasileira de Normas Tcnicas (ABNT), atravs da NBR 14653-2, no anexo A, item
A.2, letra a), descrevre:
Para evitar a micronumerosidade, o nmero mnimo de dados efetivamente utilizados (n)
no modelo deve obedecer aos seguintes critrios, com respeito ao nmero de variveis
independentes (k):
n 3 (k+1); para n 30, n
i
3; para 30 < n 100, n
i
10% n; para n > 100, n
i
10
onde: n
i
o nmero de dados de mesma caracterstica, no caso de utilizao de variveis
dicotmicas e variveis qualitativas expressas por cdigos alocados ou cdigos ajustados.
Recomenda-se que as caractersticas especficas do imvel avaliando estejam
contempladas na amostra utilizada em nmero representativo de dados de mercado.
6.15. Linearidade
A Associao Brasileira de Normas Tcnicas (ABNT), atravs da NBR 14653-2, item A.2.1.1,
descreve:
Deve ser analisado, primeiramente, o comportamento grfico da varivel dependente em
relao a cada varivel independente, em escala original. Isto pode orientar o avaliador na
transformao a adotar. Existem formas estatsticas de se buscar a transformao mais
adequada, como, por exemplo, os procedimentos de Box e Cox. As transformaes
utilizadas para linearizar o modelo devem, tanto quanto possvel, refletir o comportamento
do mercado, com preferncia pelas transformaes mais simples de variveis, que resultem
em modelo satisfatrio. Aps as transformaes realizadas, se houver, examina-se a
linearidade do modelo, pela construo de grficos dos valores observados para a varivel
dependente versus cada varivel independente, com as respectivas transformaes,
conforme Figura 18 e 19.



Figura 18 Relao rea x Aluguel sem
transformao Elaborado pelo autor
Figura 19 Relao rea x Aluguel com
transformao Elaborado pelo autor
6.16. Intervalo de confiana para o valor estimado
A Associao Brasileira de Normas Tcnicas (ABNT), atravs da NBR 14653-2, item 3.40, define o
intervalo de confiana como o intervalo de valores dentro do qual est contido o parmetro
populacional com determinada confiana.
Consideremos uma populao com uma mdia , desconhecida, e uma amostra dessa
populao com a mdia , conhecida; embora, geralmente, a mdia esteja muito
prxima de , quase que certamente estar um pouco acima ou um pouco abaixo de .
Da decorre que se desejarmos ter uma dose razovel de confiana na correo de nossa
inferncia, no poderemos afirmar que seja precisamente igual a e deveremos
estabelecer um intervalo de confiana expresso por: = um erro de amostragem. O
importante aqui saber qual deve ser a amplitude da tolerncia para esse erro amostral e a
resposta obviamente depende de quanto flutuar um relao a , de forma que esse
intervalo de confiana efetivamente englobe (MOREIRA, 2001, p. 195 e 196).
Conforme Dantas (2005), as estimativas mais precisas ocorrem para avaliaes mais prximas s
caratersticas mdias dos dados de referncia e as mais imprecisas, nas extremidades.
A Associao Brasileira de Normas Tcnicas (ABNT), atravs da NBR 14653-2, item 9.2.3,
considera a amplitude do intervalo de confiana de 80% em torno do valor central da estimativa,
para medir a preciso das estimativas, de acordo com o seguinte critrio: Grau III, se a amplitude
for menor ou igual a 30%; Grau II, se a amplitude estiver entre 30% e 40% e Grau I, se a amplitude
estiver entre 40% e 50%.
7. Concluso

O objetivo geral deste trabalho foi, atravs de uma pesquisa bibliogrfica, abordar as metodologias
avaliatrias normalizadas, buscar os conhecimentos sistematizados para avaliaes de imveis
atravs do mtodo comparativo de dados do mercado utilizando-se do tratamento cientfico, no
qual criado um modelo matemtico, atravs da inferncia estatstica, que explique o
comportamento da variabilidade de preos de imveis similares ao imvel avaliando no mercado
imobilirio e, quais as anlises necessrias para validar esse determinado modelo.
As metodologias, normalizadas, avaliatrias de bens imveis esto fundamentadas em trs mtodos
bsicos: mtodos para identificarem o valor de um bem, de seus frutos e direitos; mtodos para


identificarem o custo de um bem e, mtodos para identificarem indicadores de viabilidade da
utilizao econmica de um empreendimento.
Conforme Thofehrn (2010), a metodologia aplicvel funo da natureza do bem avaliando, da
finalidade da avaliao e da disponibilidade, qualidade e quantidade de informaes colhidas no
mercado.
As normas brasileiras de avaliaes de imveis preceituam que: Para a identificao do valor de mercado,
sempre que possvel preferir o mtodo comparativo direto de dados de mercado (grifo do autor).
O mtodo comparativo direto de dados de mercado consiste em coletar uma amostra (conjunto de
dados) de imveis no mercado, cujas caractersticas sejam o mais semelhantes possveis as do
imvel avaliando e atravs dessa amostra obter o valor do imvel avaliando.
Em funo dos imveis possuirem caractersticas heterogneas as do avaliando faz-se necessrio
um tratamento das mesmas, optando-se por uma das duas metodologias: tratamento por fatores ou
tratamento cientfico.
No tratamento cientfico, busca-se um modelo matemtico explicativo do mercado imobilirio,
utilizando-se da inferncia estatstica, a qual tem como objetivo de estimar os parmetros de uma
populao atravs das estatsticas da amostra, com um determinado grau de confiana, sendo que a
amostra deve ser representativa da populao, ou seja, os imveis que fazem parte da amostra,
devem ser similares ao avaliando.
Conforme Dantas (2005), o importante que o modelo resultante possa expressar com fidelidade o
fenmeno que se deseja explicar. Se ele est coerente com as crenas a priori que o avaliador detm
sobre o mercado.
Segundo o mesmo autor, escolhido o modelo, parte o avaliador para a interpretao dos parmetros
quantos aos aspectos de sensibilidade e elasticidade, bem como do comportamento do mercado em
relao a cada varivel, qualitativa e quantitativamente.
A partir do modelo, verifica-se se h outliers, pontos influenciantes, qual o valor do coeficiente de
correlao, do coeficiente de determinao mltipla, do coeficiente de determinao ajustado, da
significncia global do modelo, da significncia individual de cada parmetro do modelo; se h
coerncia dos sinais dos regressores do modelo com o mercado imobilirio, se o modelo apresenta
homocedasticidade, multicolinearidade, micronumerosidade, linearidade e se a reta obtida
aderente ao modelo.
Para um trabalho bem feito necessrio muita experincia em avaliaes de imveis, aliada a uma
especializao bastante aprofundada em inferncia estatstica (FIKER, 2008).

8. Referncias Bibliogrficas
ABUNAHMAN, Srgio Antonio. Curso bsico de engenharia legal e de avaliaes. 2 ed. So Paulo: Pini, 2000.
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS. NBR 14.653-01: Avaliao de bens parte 1:
Procedimentos gerais. Rio de Janeiro, 2001.
ASSOCIAO BRASILEIRA DE NORMAS TCNICAS. NBR 14.653-02: Avaliao de bens parte 2: Imveis
urbanos. Rio de Janeiro, 2011.
CALDAS, Lo Saraiva. O conceito de valor de mercado. Trabalho Tcnico. XIII Congresso Brasileiro de Avaliaes
e Percias. Fortaleza: Abril, 2006.
D'AMATO, Mnica; ALONSO, Nelson Roberto Pereira. Imveis Urbanos: avaliao de aluguis. So Paulo: Liv. e
Ed. Universitria de Direito, 2009.
DANTAS, Rubens Alves. Engenharia de Avaliaes: uma introduo metodologia cientfica. So Paulo: Pini,
2005.
FIKER, Jos. Manual de avaliaes e percias em imveis urbanos. 3 Ed. So Paulo: Pini, 2008.
GOMIDE,Tito Lvio Ferreira. Engenharia Legal: novos estudos. So Paulo: Liv. e Ed. Universitria de Direito, 2008.


GONZLEZ, Marco Aurlio Stumpf. Metodologia de avaliao de imveis Novo Hamburgo: SGE, 2003.
HAGGETT, P.; CHORLEY, R. J. Modelos, paradigmas e a nova geografia. Modelos fsicos e de informao
geogrfica. Rio de Janeiro: Livros Tcnicos e Cientficos. So Paulo: Universidade de So Paulo, 1975. p. 1-19.
HOCHHEIM, Norberto. Engenharia de Avaliaes. Florianpolis, 2010. (Apostila)
LARSON, Ron; FARBER, Betsy. Estatstica aplicada. 4 ed. Traduo Luciane Ferreira Pauleti Viana. So Paulo:
Pearson Prentice Hall, 2010.
MENDONA, Marcelo Corra. et al. Fundamentos de avaliaes patrimoniais e percias de engenharia: curso
bsico do IMAPE. So Paulo: Pini, 1998.
MOREIRA, Alberto Llio. Princpios de engenharia de avaliaes. 3 ed. So Paulo: Pini, 2001.
NADAL, Aurlio Carlos; JULIANO, Katia Aparecida; RATTON, Eduardo. Testes estatsticos utilizados para a
validao de regresses mltiplas aplicadas na avaliao de imveis urbanos. Boletim de Cincias Geodsicas.
Curitiba: sc. Artigos, v. 9, n 2, p.243-262, 2003.
PEREIRA, A. Curso de Teoria Geral de Sistemas para Transporte. Rio de Janeiro: COPPE /UFRJ, 2006.
RADEGAZ, Nsser Jnior. Avaliao de bens: princpios bsicos e aplicaes. So Paulo: Liv. e Ed. Universitria de
Direito, 2011.
ROCHA, Raquel Resende. Tcnicas de geoprocessamentos aplicadas avaliao de imveis. Estudo de Caso:
Regio Central de Ibirit. Monografia (Especializao). Universidade Federal de Minas Gerais, Instituto de
Geocincias. Belo Horizonte: 2005, 42 p.
THOFEHRN, Ragnar. Avaliao em massa de imveis urbanos: para clculo de IPTU e ITBI. So Paulo: Pini,
2010.

Avaliação Imobiliária: Método Comparativo de Dados Do Mercado - Tratamento Científico

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Avaliação Imobiliária: Método Comparativo de Dados Do Mercado - Tratamento Científico

Transféré par

Droits d'auteur :

Formats disponibles

Avaliao Imobiliria: mtodo comparativo de dados do mercado tratamento cientfico julho de 2013

Vous aimerez peut-être aussi